机器学习:根据传感器数据分析预测水位

时间:2019-05-29 10:50:03

标签: python machine-learning deep-learning linear-regression pattern-recognition

我有一个配备以下传感器的蒸汽机:

  • 锅炉房中的温度传感器
  • 加热室中的温度传感器
  • 锅炉房的压力传感器
  • 每分钟转数传感器,用于测量由蒸汽发动机提供动力的车轮的转速

蒸汽机无法测量的是锅炉中的当前水位。 时间序列数据存储在具有以下结构的csv文件中:

|时间戳| temp_boiler | temp_heater |压力锅炉| rpm |

借助机器学习,我想预测锅炉中的当前水位。因为我是机器学习的新手,所以我真的不知道如何实现这一目标。我知道我无法应用线性回归,因为它是时间序列数据,并且当前传感器值和先前传感器值之间存在相关性。此外,我需要历史水位日期才能运行线性回归。

那有什么选择?任何帮助将不胜感激!

编辑:由于线性回归不是一种选择,我想知道替代方案是什么。因为我一般是机器学习的新手,所以我想知道我可以使用哪种算法或策略来解决这个问题。我不是要代码片段之类的东西。只需一些输入,我就能解决!

0 个答案:

没有答案